Dystrybucja próbek

Co to jest rozkład próbkowania?

Rozkład próbkowania to rozkład prawdopodobieństwa statystyki uzyskany z dużej liczby próbek pobranych z określonej populacji. Rozkład próbkowania dla danej populacji jest rozkładem częstotliwości szeregu różnych wyników, które mogą wystąpić w przypadku statystyki populacji.

Zrozumienie rozkładu próbkowania

Wiele danych opracowanych i wykorzystywanych przez akademików, statystyk, badaczy, marketerów, analityków itp. To tak naprawdę próbki, a nie populacje. Próbka jest podzbiorem populacji. Na przykład badacz medyczny, który chciał porównać średnią wagę wszystkich dzieci urodzonych w Ameryce Północnej od 1995 do 2005 r. Do tych urodzonych w Ameryce Południowej w tym samym okresie, nie może w rozsądnym czasie sporządzić danych dla całej populacji ponad milion porodów, które miały miejsce w ciągu dziesięciu lat. Zamiast tego użyje wagi, powiedzmy, 100 dzieci na każdym kontynencie, aby wyciągnąć wnioski. Masa 200 użytych niemowląt jest próbką, a obliczona średnia waga jest średnią z próby.

Załóżmy teraz, że zamiast pobierać tylko jedną próbkę 100 noworodków z każdego kontynentu, badacz medyczny pobiera powtarzalne losowe próbki z ogólnej populacji i oblicza średnią próbki dla każdej grupy próbek. Tak więc dla Ameryki Północnej pobiera dane dotyczące 100 noworodków zarejestrowanych w USA, Kanadzie i Meksyku w następujący sposób: cztery 100 próbek z wybranych szpitali w USA, pięć 70 próbek z Kanady i trzy 150 rekordów z Meksyku, w sumie 1200 wag noworodków pogrupowanych w 12 zestawach. Zbiera również przykładowe dane dotyczące 100 wag urodzeniowych z każdego z 12 krajów Ameryki Południowej.

Każda próbka ma własną średnią próbki, a rozkład średnich próbek jest znany jako rozkład próbki.

Średnia waga obliczona dla każdego zestawu próbek jest rozkładem średniej próby. Nie tylko średnią można obliczyć z próbki. Inne statystyki, takie jak odchylenie standardowe, wariancja, proporcja i zakres można obliczyć z danych próbki. Odchylenie standardowe i wariancja mierzą zmienność rozkładu próbkowania.

Liczba obserwacji w populacji, liczba obserwacji w próbce i procedura zastosowana do narysowania zestawów próbek determinują zmienność rozkładu próbkowania. Odchylenie standardowe rozkładu próbkowania nazywa się błędem standardowym. Podczas gdy średnia rozkładu próbkowania jest równa średniej populacji, błąd standardowy zależy od standardowego odchylenia populacji, wielkości populacji i wielkości próby.

Wiedza o tym, jak rozstawiona jest średnia każdego z zestawów próbek od siebie i od średniej populacji, da wskazanie, jak blisko jest średnia próbki. Błąd standardowy rozkładu próbkowania maleje wraz ze wzrostem wielkości próby.

Uwagi specjalne

Populacja lub jeden przykładowy zestaw liczb będzie miał rozkład normalny. Ponieważ jednak rozkład próbkowania obejmuje wiele zestawów obserwacji, niekoniecznie musi mieć kształt zakrzywiony w dzwon.

Zgodnie z naszym przykładem średnia populacja masy niemowląt w Ameryce Północnej i Ameryce Południowej ma rozkład normalny, ponieważ niektóre dzieci będą miały niedowagę (poniżej średniej) lub nadwagę (powyżej średniej), przy czym większość dzieci spadnie pomiędzy (około średniej) ). Jeśli średnia waga noworodków w Ameryce Północnej wynosi siedem funtów, średnia waga próbki w każdym z 12 zestawów obserwacji próbek zarejestrowanych dla Ameryki Północnej będzie również bliska siedmiu funtom.

Jeśli jednak sporządzisz wykres wszystkich średnich obliczonych dla każdej z 1200 grup próbek, uzyskany kształt może spowodować jednolity rozkład, ale trudno jest z całą pewnością przewidzieć, jaki będzie rzeczywisty kształt. Im więcej próbek wykorzysta badacz z populacji o wartości ponad miliona, tym bardziej wykres zacznie tworzyć rozkład normalny.

• Rozkład próbkowania to rozkład prawdopodobieństwa statystyki uzyskany z dużej liczby próbek pobranych z określonej populacji.
• Rozkład próbkowania dla danej populacji jest rozkładem częstotliwości szeregu różnych wyników, które mogą wystąpić w przypadku statystyki populacji.
• Wiele danych opracowanych i wykorzystywanych przez akademików, statystyk, badaczy, marketerów i analityków to w rzeczywistości próbki, a nie populacje.

Porównaj rachunki inwestycyjne Nazwa dostawcy Opis Ujawnienie reklamodawcy × Oferty przedstawione w tej tabeli pochodzą od partnerstw, od których Investopedia otrzymuje wynagrodzenie.

Terminy pokrewne

Jak działają standardowe błędy Standardowy błąd to odchylenie standardowe populacji próby. Mierzy dokładność, z jaką próbka reprezentuje populację. więcej Czym jest centralne twierdzenie graniczne (CLT)? Twierdzenie o granicy centralnej stwierdza, że ​​rozkład średnich próbek jest zbliżony do rozkładu normalnego w miarę powiększania się próbki. więcej Definicja testu T Test t jest rodzajem wnioskowania statystycznego stosowanym do ustalenia, czy istnieje znacząca różnica między średnimi dwóch grup, która może być powiązana w niektórych cechach. więcej Zrozumienie statystyki populacji W statystyce populacja to cała pula, z której pobierana jest próba statystyczna. Populacja może odnosić się do całej grupy osób, przedmiotów, wydarzeń, wizyt w szpitalu lub pomiarów. więcej Jak działają statystyki nieparametryczne Statystyki nieparametryczne odnoszą się do metody statystycznej, w której dane nie są wymagane do dopasowania do rozkładu normalnego. Rankingi nie powinny się zmieniać. więcej Zrozumienie testów dwustronnych Test dwustronny jest testem statystycznym, w którym obszar krytyczny rozkładu jest dwustronny i sprawdza, czy próbka jest większa czy mniejsza niż określony zakres wartości. więcej linków partnerskich